这篇内容探讨了人工智能和半导体行业的最新动态。文章指出，尽管 Anthropic 等AI实验室的估值飙升，但行业竞争的核心已从单纯的资金竞赛转向对顶尖人才的争夺，大型科技公司更倾向于通过“收购人才”而非收购公司来保持领先。与此同时，一些新兴实验室正押注当前大语言模型的扩展路线将会失效，但AI安全评估却显示模型能力仍在持续增强。最后，文章分析了欧盟《芯片法案》的策略转变，揭示了多个大型晶圆厂项目因缺乏客户需求而失败，而真正有希望的是有客户基础的合资项目、研究试验线以及新材料等更务实的方向。
AI 实验室的惊人估值
AI 领域的“初创公司”正在获得惊人的估值。例如，Anthropic 的目标估值高达 9000 亿美元，这一数字将使其成为全球第九大公司。
尽管估值看似夸张，但从市盈率与增长率之比 (PEG) 来看，情况可能有所不同。以 Anthropic 自身预测的 4 倍年增长率计算，其 PEG-R (PEG 与收入的比值) 看起来甚至有些“便宜”。这反映了投资者对AI领域未来增长的极高预期。相比之下：
- Meta (PEG 0.22): 具有“以合理价格实现增长”的潜力。
- 台积电 (PEG 0.31): 拥有制造业护城河的 AI 基础设施核心。
- 英伟达 (PEG 0.34): 即使市值极高，其增长也证明了其估值的合理性。
人才比资金更重要
高估值和巨额投资并不能保证在前沿AI领域取得成功。Cohere 近期宣布的交易就是一个例子，尽管有政府背书和巨头投资，其估值从 70 亿美元跃升至 200 亿美元，但这并未改变其无法触及行业最前沿的现实。
前沿 AI 领域的竞争，本质上不是资金问题，而是人才问题。世界上或许只有大约 100 人能够领导前沿模型的训练。
大型科技公司早已意识到这一点。它们采取的策略不是收购公司，而是“收购人才”，即通过高价将关键人物及其团队招致麾下：
- Inflection: 其核心团队和创始人 Mustafa Suleyman 被微软挖走，用于领导 Microsoft AI。
- Adept: 创始人 David Luan 和 Niki Parmar 加入了亚马逊。
- Character: 联合创始人 Noam Shazeer（《Attention Is All You Need》的作者之一）重返谷歌。
- Scale AI: 创始人 Alexandr Wang 成为 Meta 超级智能实验室的CEO。
这些案例表明，顶尖人才是比资金更稀缺、更关键的资源。大型科技公司正在用 10 亿到 150 亿美元的支票，逐一“买断”这些核心人物。
对赌：押注现有路线会失败
与大型科技公司收购人才的趋势相反，另一批顶尖人才正在创建新的实验室，押注当前基于大语言模型（LLM）的扩展路线将会失败。
- David Silver（AlphaGo 负责人）为其新公司 Ineffable Intelligence 融资 11 亿美元，其研究方向明确排除了当前 LLM 的扩展路径。
- Ilya Sutskever 的 SSI 在没有产品、只有约 20 名员工的情况下，获得了极高的估值。
- Yann LeCun 在巴黎创立的 AMI Labs，其创始人公开表示 LLM 是一个“死胡同”。
然而，这种“逆向投资”面临着现实的挑战。英国AI安全研究所最近对 GPT-5.5 的评估显示：
“性能随着推理算力的投入持续提升，我们尚未观察到平台期。”
该模型在 10 分 22 秒内解决了一个需要人类专家花费 12 小时才能完成的逆向工程挑战。如果这种扩展趋势持续下去，那么 Silver、LeCun 和 Sutskever 的押注将面临巨大风险。
欧洲《芯片法案》的现实教训
欧洲正在调整其芯片战略。欧盟委员会将有权直接投资于跨境芯片制造项目。然而，过去的经验表明，仅有资金和补贴是远远不够的。多个欧洲的旗舰芯片项目均以失败告终：
- 英特尔马格德堡项目 (€300亿): 因“需求不足”被取消。
- STMicro/GF Crolles 项目 (€75亿): 因欧洲电动汽车需求疲软而暂停。
- Wolfspeed 萨尔州项目 (€30亿): 因合作伙伴退出和市场变化而倒闭。
资本无法解决所有问题。你确实需要人才来制造产品，也需要客户来购买它们。
相比之下，成功的项目都具备更务实的特点：
- 有多个稳定客户的合资项目： 例如台积电在德累斯顿与博世、英飞凌等公司合作的工厂。
- 研究试验线： 例如 Imec 的 NanoIC 试验线，专注于研发而非大规模商业生产。
- 下一代技术： 投资于新材料和光子学等领域的初创公司。
这些案例表明，无论是 AI 软件还是芯片硬件，成功的关键都不在于宏大的政策和无尽的资本，而在于拥有真正的市场需求和能够满足这些需求的人才。